傳媒行業(yè)AIGC市場(chǎng)分析

傳媒行業(yè)AIGC市場(chǎng)分析技術(shù)助力AIGC發(fā)展，長期看大模型+多模態(tài)成趨勢(shì)AI由分析轉(zhuǎn)向創(chuàng)造，22年AIGC產(chǎn)品集中發(fā)布AI技術(shù)逐漸實(shí)現(xiàn)從分析到創(chuàng)造的迭代。AI（ArtificialIntelligence）即人工智能，傳統(tǒng)的AI技術(shù)被稱為分析式AI（AnalyticalAI），偏向于分析數(shù)據(jù)并總結(jié)規(guī)律，同時(shí)將規(guī)律運(yùn)用到其他用途，比如運(yùn)用AI技術(shù)進(jìn)行垃圾郵件檢測(cè)、向用戶推薦感興趣的短視頻等。但隨著技術(shù)的迭代，AI已經(jīng)不僅僅局限于分析已有事物，而是開始創(chuàng)造有意義、具備美感的東西，即完成感知世界到創(chuàng)造世界的變遷，這種新型的技術(shù)被稱為生成式AI（GenerativeAI）。從定義上看，AIGC既是一種內(nèi)容形態(tài)，也是一種內(nèi)容生成的技術(shù)合集，即生成式AI。從狹義上看，AIGC（AIGeneratedContent）是繼PGC（ProfessionalGeneratedContent）與UGC（UserGeneratedContent）之后的一種內(nèi)容形式，即利用人工智能技術(shù)生成的內(nèi)容。從廣義上看，AIGC指的是自動(dòng)化內(nèi)容生成的技術(shù)合集，基于生成算法、訓(xùn)練數(shù)據(jù)、芯片算力，生成包括文本、音樂、圖片、代碼、視頻等多樣化內(nèi)容。AIGC起源于20世紀(jì)50年代，經(jīng)過多年發(fā)展，在2022年AIGC產(chǎn)品集中發(fā)布，多款產(chǎn)品出圈，引發(fā)社會(huì)廣泛關(guān)注。據(jù)中國信通院，AIGC起源于20世紀(jì)50年代，萊杰倫·希勒和倫納德·艾薩克森完成歷史上第一只由計(jì)算機(jī)創(chuàng)作的音樂作品《依利亞克組曲》，但受制于技術(shù)水平，截至1990年，AIGC均僅限于小范圍實(shí)驗(yàn)。1990-2010年是AIGC的沉淀積累階段，AIGC逐漸從實(shí)驗(yàn)向?qū)嵱棉D(zhuǎn)變，但受限于算法瓶頸，效果仍有待提升。2010年以來，伴隨著生成算法、預(yù)訓(xùn)練模型、多模態(tài)技術(shù)的迭代，AIGC快速發(fā)展，2022年多款產(chǎn)品出圈。2022年8月，StabiltyAI發(fā)布StableDiffusion模型，為后續(xù)AI繪圖模型的發(fā)展奠定基礎(chǔ)，由Midjourney繪制的《太空歌劇院》在美國科羅拉多州藝術(shù)博覽會(huì)上獲得“數(shù)字藝術(shù)”類別的冠軍，引發(fā)社會(huì)廣泛關(guān)注。2022年11月OpenAI推出基于GPT-3.5與RLHF（ReinforcementLearningfromHumanFeedback，人類反饋強(qiáng)化學(xué)習(xí)）機(jī)制的ChatGPT，推出僅2月日活超1,300萬，據(jù)Forbes，2023年1月OpenAI的估值從2021年的140億美元提升到2023年1月的290億美元。此外，科技巨頭亦加碼布局AIGC，如微軟表示將自己的消費(fèi)者和企業(yè)產(chǎn)品中部署OpenAI的模型，宣布將OpenAI語言模型整合到Bing引擎和Edge瀏覽器中；谷歌在ChatGPT發(fā)布后亦加快AI自研，2023年2月7日正式發(fā)布下一代AI對(duì)話系統(tǒng)Bard，此外谷歌還投資ChatGPT的競(jìng)品Anthropic；國內(nèi)方面，據(jù)百度官網(wǎng)，2023年2月7日，百度公布了大模型新項(xiàng)目文心一言（ERNIEBot），據(jù)彭博社，百度計(jì)劃在2023年3月將最初的版本將內(nèi)嵌到搜索服務(wù)中。生成算法、預(yù)訓(xùn)練模型、多模態(tài)技術(shù)成為AIGC發(fā)展的關(guān)鍵從技術(shù)上看，生成算法、預(yù)訓(xùn)練模型、多模態(tài)技術(shù)是AIGC發(fā)展的關(guān)鍵。從流程上看，算法接收數(shù)據(jù)，進(jìn)行運(yùn)算并生成預(yù)訓(xùn)練模型，多模態(tài)技術(shù)則是將不同模型融合的關(guān)鍵。長期看大模型+多模態(tài)將成為趨勢(shì)：#1生成算法持續(xù)優(yōu)化算法即解決問題的策略和機(jī)制，2014年伊恩·古德費(fèi)洛提出的GAN（GenrativeAdversarialNetwork，生成對(duì)抗網(wǎng)絡(luò)）成為最早的AI生成算法。隨后Diffusion、Transformer、基于流的生成模型（Flow-basedmodels）、CLIP（ContrastiveLanguageImagePre-Training）等深度學(xué)習(xí)算法相繼被推出，其中Diffusion逐漸代替GAN成為圖像生成的主流模型，Transformer的推出為預(yù)訓(xùn)練模型奠定了基礎(chǔ)，CLIP則廣泛應(yīng)用在多模態(tài)技術(shù)中。#2預(yù)訓(xùn)練模型持續(xù)完善2015年以前，小模型一度被認(rèn)為是行業(yè)發(fā)展的方向，但這些小模型更偏向處理分析性任務(wù)，生成能力較弱。2017年谷歌研究院在《AttentionisAllYouNeed》中提出Transformer算法的概念，而Transformer能夠有效提取長序列特征，具備較高的計(jì)算效率和可擴(kuò)展性，大大降低訓(xùn)練時(shí)間。2018年谷歌發(fā)布基于Transformer的NLP（NaturalLanguageProcessing，自然語言處理）預(yù)處理模型BERT，標(biāo)志著人工智能進(jìn)入預(yù)訓(xùn)練模型時(shí)代。從流程上看，預(yù)訓(xùn)練模型采用兩階段學(xué)習(xí)法，即首先在大量的通用數(shù)據(jù)上訓(xùn)練并具備基礎(chǔ)能力，再結(jié)合多樣的垂直行業(yè)和場(chǎng)景對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)，從而有效提升開發(fā)效率。隨著參數(shù)規(guī)模的擴(kuò)大，預(yù)訓(xùn)練模型在語言理解，圖像識(shí)別等領(lǐng)域迅速取得突破，所需的計(jì)算量也急劇增長。據(jù)紅杉資本，2015-2020年，用于模型訓(xùn)練的計(jì)算量增加了6個(gè)數(shù)量級(jí)。據(jù)騰訊研究院，按照類型分類，預(yù)訓(xùn)練模型包括：1）NLP（自然語言處理）模型，使得人與計(jì)算機(jī)能夠用自然語言有效通信，包括OpenAI的GPT系列，F(xiàn)acebook的M2M100；2）CV模型（ComputerVision，計(jì)算機(jī)視覺），運(yùn)用計(jì)算機(jī)及相關(guān)設(shè)備對(duì)生物視覺進(jìn)行模擬，比如微軟的Florence；3）多模態(tài)預(yù)訓(xùn)練模型，包含圖像、文字、視頻等多種形式，如谷歌的Image、StabilityAI的StableDuffusion等。#3多模態(tài)技術(shù)快速發(fā)展多模態(tài)技術(shù)（MultimodalTechnology）即將圖像、語音、視頻、文字等多模態(tài)融合的機(jī)器學(xué)習(xí)技術(shù)，而CLIP（ContrastiveLanguage–ImagePre-training）的推出成為跨模態(tài)應(yīng)用生成的重要節(jié)點(diǎn)。CLIP在2021年由OpenAI開源推出，能夠?qū)⑽淖趾蛨D像進(jìn)行關(guān)聯(lián)且關(guān)聯(lián)特征豐富，后續(xù)“CLIP+其他模型”成為跨模態(tài)生成領(lǐng)域的較通用的做法，如DiscoDiffusion便是將CLIP與Diffusion模型進(jìn)行關(guān)聯(lián)，用戶輸入文字指令便能夠生成相關(guān)的圖片。在多模態(tài)技術(shù)的加持下，預(yù)訓(xùn)練模型已經(jīng)從早期單一的NLP、CV向多模態(tài)、跨模態(tài)的方向發(fā)展。AIGC產(chǎn)業(yè)鏈基礎(chǔ)層/中間層/應(yīng)用層，中外差距約3年從產(chǎn)業(yè)鏈結(jié)構(gòu)來看，AIGC主要包括基礎(chǔ)層、中間層和應(yīng)用層，中外差距在3年左右。由于技術(shù)與投資環(huán)境差異，AIGC在我國大多作為公司的部分業(yè)務(wù)進(jìn)行開發(fā)，獨(dú)立的初創(chuàng)公司數(shù)量較少，導(dǎo)致AIGC實(shí)際的場(chǎng)景開發(fā)較國外仍有差距。據(jù)量子位，中外公司的整體差距在3年左右，底層技術(shù)是核心原因。#1基礎(chǔ)層基礎(chǔ)層即預(yù)訓(xùn)練模型，構(gòu)成了AIGC的基礎(chǔ)。隨著預(yù)訓(xùn)練模型參數(shù)的增加，預(yù)訓(xùn)練所需要的數(shù)據(jù)量同樣快速提升，帶來較高的成本投入。據(jù)中國信通院與京東探索研究院發(fā)布的《人工智能生成內(nèi)容白皮書2022》，模型參數(shù)量已從最初的千萬級(jí)發(fā)展到了千億級(jí)別，訓(xùn)練代價(jià)也從數(shù)十天增長到幾十萬天（按在單張V100GPU計(jì)算）。據(jù)北京智源人工智能研究院，2020年OpenAI發(fā)布的NLP模型GPT-3的參數(shù)量約1,750億，訓(xùn)練數(shù)據(jù)量達(dá)45TB，模型訓(xùn)練成本近1,200萬美元。因此該領(lǐng)域的參與者主要是科技巨頭與頭部的研究機(jī)構(gòu)，如OpenAI、谷歌、微軟、Meta、百度等。#2中間層中間層即垂直化、場(chǎng)景化、個(gè)性化的模型。在預(yù)訓(xùn)練模型的基礎(chǔ)上，能夠快速生成垂直化的小模型，實(shí)現(xiàn)流水線式的開發(fā)，降低開發(fā)成本，提升效率。如StableDiffusion開源后多個(gè)繪畫模型基于StableDiffusion開發(fā)，二次元繪畫領(lǐng)域包括知名的NovelAI，而昆侖萬維的天工巧繪SkyPaint模型則采用全球第一款多語言StableDiffusion分支模型，兼容StableDiffusion。據(jù)騰訊研究院，隨著大模型+多模態(tài)加速成長為通用性技術(shù)平臺(tái)，模型即服務(wù)（Model-as-a-Service，MaaS）逐漸實(shí)現(xiàn)，通過API授權(quán)有望助力AIGC變現(xiàn)。#3應(yīng)用層應(yīng)用層即面向C端的AIGC應(yīng)用。從模態(tài)上看，應(yīng)用層包括圖像、音頻、文本、視頻等，其中圖像領(lǐng)域代表產(chǎn)品包括MidJourney、DreamStudio等；音頻包括DeepMusic等；文本包括ChatGPT、Sudowrite等；視頻包括Runway等。從形式上看，應(yīng)用層包括App、網(wǎng)頁、小程序、聊天機(jī)器人等，將C端用戶與模型聯(lián)通，已經(jīng)逐漸滲透到生活中的各個(gè)領(lǐng)域，如MidJourney搭載在聊天軟件Discord中推出，ChatGPT則支持網(wǎng)頁直接登錄，國內(nèi)的如昆侖萬維的天工巧繪SkyPaint能夠通過微信小程序登錄，滿足用戶的多樣化需求。AIGC顛覆傳統(tǒng)生產(chǎn)模式，掀起全場(chǎng)景內(nèi)容生產(chǎn)力革命AIGC從效率、質(zhì)量、多樣性為內(nèi)容生產(chǎn)帶來革命AIGC技術(shù)的突破性進(jìn)展引發(fā)內(nèi)容生產(chǎn)方式變革，內(nèi)容生產(chǎn)由PGC（專業(yè)制作）和UGC（用戶創(chuàng)作）時(shí)代逐漸步入AIGC時(shí)代。AIGC順應(yīng)了內(nèi)容行業(yè)發(fā)展的內(nèi)在需求，一方面內(nèi)容消費(fèi)量增加，急需降低生產(chǎn)門檻，提升生產(chǎn)效率；另一方面用戶端表達(dá)意愿明顯上升，消費(fèi)者對(duì)內(nèi)容形態(tài)要求更高，內(nèi)容生成個(gè)性化和開放化趨勢(shì)明顯。AIGC通過其強(qiáng)大的生成能力廣泛服務(wù)于內(nèi)容生產(chǎn)的各類場(chǎng)景和內(nèi)容生產(chǎn)者，在內(nèi)容行業(yè)的應(yīng)用場(chǎng)景不斷增加和拓展，將在內(nèi)容生產(chǎn)中產(chǎn)生變革性影響。具體來看主要有以下三點(diǎn)：1）自動(dòng)內(nèi)容生成，提升內(nèi)容生產(chǎn)效率，降低內(nèi)容生產(chǎn)門檻和內(nèi)容制作成本。當(dāng)前大量文本、圖像、音頻、視頻等內(nèi)容都可以通過AIGC技術(shù)自動(dòng)生成，高效的智能創(chuàng)作工具可以輔助藝術(shù)、影視、廣告、游戲、編程等創(chuàng)意行業(yè)從業(yè)者提升日常內(nèi)容生產(chǎn)效率。此外，自動(dòng)內(nèi)容生成可以降低內(nèi)容生產(chǎn)門檻和內(nèi)容制作成本，例如，借助AI編曲軟件可以自動(dòng)生成編曲，而人為創(chuàng)作大概需要7-10年的經(jīng)驗(yàn)積累。2）提升內(nèi)容質(zhì)量，增加內(nèi)容多樣性。AIGC生成的內(nèi)容可能比普通的人類創(chuàng)建的內(nèi)容質(zhì)量更高，大量數(shù)據(jù)學(xué)習(xí)積累的知識(shí)可以產(chǎn)生更準(zhǔn)確和信息更豐富的內(nèi)容，谷歌的Imagen生成的AI繪畫作品效果已經(jīng)接近中等畫師水平。而且AIGC可以幫助企業(yè)和專業(yè)人士創(chuàng)建更多樣化、更有趣的內(nèi)容，VQGAN可以生成抽象繪畫作品，不咕剪輯Cooclip內(nèi)置豐富的貼紙、音頻、經(jīng)典“?！彼夭牡?，可以增加視頻本身的玩法與樂趣。3）助力內(nèi)容創(chuàng)新，實(shí)現(xiàn)個(gè)性化內(nèi)容生成。AIGC將內(nèi)容創(chuàng)作中的創(chuàng)意和實(shí)現(xiàn)分離，替代創(chuàng)作者的可重復(fù)勞動(dòng)，可以幫助有經(jīng)驗(yàn)的創(chuàng)作者捕捉靈感，創(chuàng)新互動(dòng)形式，助力內(nèi)容創(chuàng)新。例如AICG在設(shè)計(jì)初期生成大量草圖可以幫助美術(shù)創(chuàng)作者生成更多創(chuàng)作靈感。根據(jù)個(gè)人用戶的喜好生成個(gè)性化內(nèi)容，也有利于多種創(chuàng)意落地。AIGC發(fā)展中仍面臨法律、安全、倫理和環(huán)境等問題。首先，AIGC引發(fā)了新型版權(quán)侵權(quán)風(fēng)險(xiǎn)，因版權(quán)爭(zhēng)議，國外藝術(shù)作品平臺(tái)ArtStation上的畫師們掀起了抵制AIGC生成圖像的活動(dòng)。其次，AIGC濫用容易引發(fā)信息內(nèi)容安全、內(nèi)生安全、詐騙違法犯罪行為等安全隱患，詐騙團(tuán)隊(duì)利用AIGC換臉偽造埃隆·馬斯克的視頻，半年詐騙價(jià)值超過2億人民幣的數(shù)字貨幣。再次，算法歧視等倫理問題依然存在，人工智能大規(guī)模替代人類勞動(dòng)引發(fā)爭(zhēng)議。最后，AIGC模型訓(xùn)練消耗大量算力，碳排放量巨大，對(duì)環(huán)境保護(hù)造成壓力。文本、音頻和圖像生成等落地相對(duì)較快，游戲等方向仍待成熟細(xì)分場(chǎng)景眾多，文本、音頻、圖像領(lǐng)域發(fā)展較快?；谀B(tài)，我們認(rèn)為目前AIGC下游落地場(chǎng)景有文本、音頻、圖像、視頻、游戲、代碼、3D生成等。較之國外，我國AIGC行業(yè)仍處于剛起步階段，體系化發(fā)展等仍待完善。文本生成：AIGC目前可以較好地完成新聞播報(bào)等結(jié)構(gòu)化寫作、推薦相關(guān)內(nèi)容、幫助潤色等非結(jié)構(gòu)化內(nèi)容，同時(shí)在虛擬男/女友、心理咨詢等閑聊機(jī)器人中應(yīng)用較為廣泛。劇情續(xù)寫、營銷文本等非結(jié)構(gòu)化寫作與文本交互游戲等應(yīng)用尚未實(shí)現(xiàn)規(guī)?；瘧?yīng)用，未來或可實(shí)現(xiàn)文本生成的終稿達(dá)到人類平均水平甚至專業(yè)水平。圖像生成：隨著算法模型的不斷迭代，AI作畫水平不斷提高。在圖像編輯工具上，去除水印、提高分辨率、特點(diǎn)濾鏡等已較廣泛應(yīng)用。根據(jù)隨機(jī)或按照特點(diǎn)屬性生成畫作等的創(chuàng)意圖像生成，與根據(jù)指定要求生成營銷類海報(bào)、模特圖等的功能性圖像生成發(fā)展接近成熟。當(dāng)前圖像生成水平與專職藝術(shù)家、設(shè)計(jì)師和攝影師的產(chǎn)品設(shè)計(jì)作品存在一定差距。音頻生成：發(fā)展較為成熟，消費(fèi)與企業(yè)級(jí)的應(yīng)用正在鋪開。AIGC目前在語音克隆、生成虛擬人的特定歌聲/播報(bào)等的文本生成特定語言、包含作曲與編曲的樂曲/歌曲生成上得到廣泛應(yīng)用，代表企業(yè)和應(yīng)用的有倒映有聲、Deepmusic、網(wǎng)易-有靈智能創(chuàng)作平臺(tái)等。AI降噪去除壓縮和采樣中的噪音仍需改善，AI作曲不再機(jī)械化與人類創(chuàng)作音樂水平相仿，在未來值得期待。視頻生成：AIGC目前對(duì)于刪除特定主體、生成特效、跟蹤剪輯等的視頻屬性編輯已較廣泛應(yīng)用，視頻換臉等的視頻部分剪輯預(yù)計(jì)不久將規(guī)?；瘧?yīng)用，對(duì)特定片段進(jìn)行檢測(cè)與合成的視頻自動(dòng)剪輯發(fā)展仍不完善。當(dāng)前，全自動(dòng)生成長時(shí)間的視頻作品還不能實(shí)現(xiàn)，距離依個(gè)人夢(mèng)想定制電影和劇集還較為遙遠(yuǎn)。其他（游戲/代碼/3D）：代碼補(bǔ)全生成來替代程序員重復(fù)性勞動(dòng)的發(fā)展較為成熟，大量應(yīng)用已落地。游戲中游戲操作策略生成和NPC邏輯及劇情生成尚需進(jìn)一步完善，3D生成尚處于早期階段，3D模型、3D角色制作和3D場(chǎng)景尚未實(shí)現(xiàn)規(guī)模化應(yīng)用。3D、游戲、代碼自動(dòng)生成更加智能將成為未來的增長方向。AIGC的商業(yè)模式同樣處于持續(xù)探索的階段，由按量收費(fèi)等傳統(tǒng)方式向SaaS訂閱模式等應(yīng)用場(chǎng)景更靈活的方式拓展。AIGC讓AI公司為更多中小型企業(yè)甚至個(gè)人提供服務(wù)，可規(guī)模化地降本增效，為AI行業(yè)帶來一種全新的可能性和商業(yè)模式。1）按量收費(fèi)：AI技術(shù)傳統(tǒng)應(yīng)用模式主要以API接口對(duì)外開放，以實(shí)際使用量/訓(xùn)練量計(jì)算收費(fèi)，如OpenAI的GPT3語言模型服務(wù)以每千tokens定價(jià)（OpenAI使用的字符計(jì)算單位，一千tokens約等于750個(gè)單詞），Ada/Babbage/Curie/Davinci四種模型的能力和產(chǎn)出速度不同，單價(jià)也有所不同,分別為$0.0004/0.0005/0.0020/0.0200每千tokens。圖像生成方面，DALL`E模型同樣按次收費(fèi)，不同尺寸的圖像收費(fèi)不同，生成一張256x256/512x512/1024x1024像素的圖片，單次收費(fèi)$0.016/0.018/0.020。2）SaaS模式：AIGC為B端及C端用戶提供了會(huì)員SaaS收費(fèi)的模式，降低了傳統(tǒng)AI公司的客戶服務(wù)規(guī)?；碾y度。據(jù)OpenAI官網(wǎng)，2023年OpenAI推出付費(fèi)版本的ChatGPTPlus，起價(jià)為每月20美元，提供更快的響應(yīng)速度，以及新功能和更新的有限使用權(quán)。美國AIGC公司Jasper主打AI生成文案服務(wù)，以類SaaS服務(wù)收費(fèi)，2021年成立當(dāng)年?duì)I收達(dá)4,500萬美元，以其Starter模式為例，基礎(chǔ)收費(fèi)是24美元/月，可以使用不超過2萬字；最高332美元/月，可以使用32萬字。3）其他：通過降本增效來增利、定制化服務(wù)付費(fèi)、個(gè)性化產(chǎn)品銷售等。市場(chǎng)積極探索其他場(chǎng)景商業(yè)化：在廣告營銷、影視、音樂、游戲、藝術(shù)品等領(lǐng)域AIGC有望繼續(xù)拓展更多樣化的商業(yè)化形式。藍(lán)色光標(biāo)推出的“銷博特”發(fā)布AIGC“創(chuàng)策圖文”營銷套件，該套件的定制版服務(wù)將銷博特營銷能力服務(wù)部署為企業(yè)自有云服務(wù)，并根據(jù)企業(yè)個(gè)性化需求進(jìn)行二次開發(fā)，構(gòu)建企業(yè)內(nèi)部營銷創(chuàng)意基礎(chǔ)設(shè)施平臺(tái)，為企業(yè)提供專屬營銷策劃和創(chuàng)意內(nèi)容。AIGC的商業(yè)模式同樣處于持續(xù)探索的階段，由按量收費(fèi)等傳統(tǒng)方式向SaaS訂閱模式等應(yīng)用場(chǎng)景更靈活的方式拓展。AIGC讓AI公司為更多中小型企業(yè)甚至個(gè)人提供服務(wù)，可規(guī)?；亟当驹鲂?，為AI行業(yè)帶來一種全新的可能性和商業(yè)模式。AIGC多場(chǎng)景快速落地，文本/圖像關(guān)注度較高文本：ChatGPT引領(lǐng)熱潮，大廠加碼布局交互式文本據(jù)量子位，AI文本生成分為交互式與非交互式。非交互式包括結(jié)構(gòu)化寫作，非結(jié)構(gòu)化寫作和輔助性寫作，其中結(jié)構(gòu)化寫作指基于數(shù)據(jù)或規(guī)范格式，在特定情況下生成的文本，如新聞、簡訊等；非結(jié)構(gòu)化寫作以創(chuàng)作型文本生成為主，具備更高的開放度。作為AIGC最早發(fā)展的技術(shù)，AI文本生成已經(jīng)在新聞報(bào)道、商業(yè)營銷、客服機(jī)器人等領(lǐng)域廣泛落地。2022年11月30日，OpenAI推出的智能聊天工具ChatGPT引入RLHF機(jī)制，降低訓(xùn)練成本且效果優(yōu)化，不僅能夠?qū)栴}作出回答，還能完成短文和詩歌創(chuàng)作、代碼寫作、數(shù)學(xué)和邏輯運(yùn)算等任務(wù)，據(jù)Similarweb，ChatGPT推出僅2月平均日活超1,300萬，引發(fā)社會(huì)廣泛關(guān)注?？萍季揞^亦加碼布局交互式文本，微軟在2023年1月追加投資OpenAI，未來還計(jì)劃將ChatGPT整合到旗下的搜索引擎Bing中；谷歌通過內(nèi)部研發(fā)與投資ChatGPT的競(jìng)品Anthropic來應(yīng)對(duì)挑戰(zhàn)，23年2月6日公布了與ChatGPT類似的對(duì)話服務(wù)Bard；據(jù)彭博社，百度計(jì)劃將ChatGPT類似程序嵌入搜索服務(wù)中。#1交互式文本在交互式文本當(dāng)中，最近熱度較高的ChatGPT是代表性應(yīng)用，展現(xiàn)出較強(qiáng)的智能水平。ChatGPT是OpenAI在2022年11月30日推出的人工智能聊天工具，其不僅能夠模仿人類的風(fēng)格作出問題回答，還能完成短文和詩歌創(chuàng)作、代碼寫作、數(shù)學(xué)和邏輯運(yùn)算等任務(wù)。據(jù)騰訊研究院，ChatGPT目前可以駕馭各種風(fēng)格和文體，能夠做到回答后續(xù)問題、承認(rèn)錯(cuò)誤、質(zhì)疑不正確的前提和拒絕不適當(dāng)?shù)恼?qǐng)求等。ChatGPT的內(nèi)容輸出質(zhì)量、內(nèi)容覆蓋維度，已經(jīng)可以直面“搜索引擎”與“問答社區(qū)”。據(jù)CNBC，ChatGPT通過了Google3級(jí)工程師的編碼面試，據(jù)NBCNews，沃頓商學(xué)院教授ChristianTerwiesch發(fā)現(xiàn)ChatGPT能夠以B-到B的成績通過該校MBA核心課程運(yùn)營管理的期末考試，展現(xiàn)出較強(qiáng)的智能水平。ChatGPT的出現(xiàn)迅速引起廣泛關(guān)注，僅推出2月平均日活超1,300萬，成為一款現(xiàn)象級(jí)的產(chǎn)品。ChatGPT用戶數(shù)在5天內(nèi)突破了100萬，據(jù)Similarweb，2023年1月每天平均有1,300萬獨(dú)立訪客使用ChatGPT，超12月的2倍，而這距離ChatGPT的推出僅2個(gè)月。ChatGPT強(qiáng)大的性能引發(fā)了社會(huì)的廣泛關(guān)注，特斯拉CEO馬斯克在Twitter上表示“許多人已經(jīng)陷入了ChatGPT的瘋狂循環(huán)中”，“我們離強(qiáng)大到危險(xiǎn)的AI不遠(yuǎn)了”；2023年2月，微軟創(chuàng)始人比爾蓋茨接受Forbes采訪時(shí)表示“AI將成為2023年最熱門的話題，ChatGPT這種人工智能技術(shù)出現(xiàn)的意義不亞于互聯(lián)網(wǎng)和PC的誕生”。ChatGPT引入RLHF機(jī)制，通過引入人類反饋，持續(xù)優(yōu)化模型效果。據(jù)OpenAI官網(wǎng)，ChatGPT的模型在GPT-3.5的基礎(chǔ)上引入了RLHF（ReinforcementLearningfromHumanFeedback，人類反饋強(qiáng)化學(xué)習(xí)）機(jī)制，這一模式增強(qiáng)了人類對(duì)于模型輸出結(jié)果的調(diào)整，對(duì)結(jié)果進(jìn)行更具理解性的排序，并提升訓(xùn)練效率，加速模型收斂。ChatGPT再獲微軟投資，合作持續(xù)加深，未來將集成至Bing搜索引擎與Edge瀏覽器中。據(jù)路透社，OpenAI在2019年獲得微軟10億美元的投資，2021年微軟對(duì)OpenAI追加了投資。據(jù)微軟官網(wǎng)，微軟在2023年1月表示，作為兩家公司合作的第三階段，微軟將加大對(duì)supercomputingsystems的投資以支持OpenAI的發(fā)展。此外微軟未來會(huì)把自己的消費(fèi)者和企業(yè)產(chǎn)品中部署OpenAI的模型，并為客戶引入基于OpenAI技術(shù)的體驗(yàn)，將OpenAI的技術(shù)構(gòu)建到GitHubCopilot和MicrosoftDesigner等，同時(shí)微軟仍然為OpenAI的獨(dú)家云提供商。從具體的落地層面看，2023年1月微軟CEO薩提亞·納德拉表示微軟旗下的Azure云服務(wù)即將整合ChatGPT技術(shù)，2023年2月，微軟旗下的Teams推出嵌入ChatGPT的高級(jí)服務(wù)，同時(shí)微軟宣布將OpenAI的語言模型整合到Bing搜索引擎和Edge瀏覽器中。據(jù)Theinformation，截至2023年1月，OpenAI估值達(dá)290億美元。ChatGPT在商業(yè)化路徑上持續(xù)探索，推出付費(fèi)版本ChatGPTPlus。OpenAI的CEOSamAltman在Twitter上表示，ChatGPT平均一次聊天成本在個(gè)位數(shù)美分，除了API外，公司正在探索更多的商業(yè)化變現(xiàn)模式，而ChatGPTPlus便是其中之一。據(jù)OpenAI官網(wǎng)，2023年OpenAI推出付費(fèi)版本的ChatGPTPlus，起價(jià)為每月20美元，目前只對(duì)美國的用戶開放。據(jù)OpenAI官網(wǎng)，ChatGPTPlus即使在高峰時(shí)段也可以訪問，有更快的響應(yīng)，可以優(yōu)先使用新功能和改進(jìn)。谷歌通過內(nèi)部研發(fā)與投資應(yīng)對(duì)ChatGPT或帶來的顛覆性挑戰(zhàn)。據(jù)Insider，2022年12月，谷歌為ChatGPT帶來的威脅發(fā)布了“紅色警報(bào)”，著手進(jìn)行緊急應(yīng)對(duì)。應(yīng)對(duì)措施方面，谷歌一方面加快內(nèi)部研發(fā)，據(jù)谷歌官網(wǎng)，美國時(shí)間2023年2月6日，谷歌發(fā)布了與ChatGPT類似的對(duì)話服務(wù)Bard，目前Bard向測(cè)試人員開放，未來幾周將持續(xù)向公眾開放該服務(wù)。Bard基于谷歌的LaMDA模型（LanguageModelforDialogueApplications，用于對(duì)話場(chǎng)景的語言模型），能夠利用網(wǎng)絡(luò)上的信息提供最新的、高質(zhì)量的回答。此外，據(jù)TheIndependent，谷歌或?qū)⒃?023年通過子公司DeepMind推出聊天機(jī)器人Sparrow，可通過谷歌搜索引用特定的信息源，準(zhǔn)確性更強(qiáng)。谷歌也在通過投資持續(xù)布局相關(guān)領(lǐng)域。據(jù)金融時(shí)報(bào)，2023年2月，谷歌投資AIGC初創(chuàng)公司Anthropic超3億美元，獲得了約10%股份。據(jù)Anthropic官網(wǎng)，谷歌已經(jīng)與Anthroic簽署了一份大型云計(jì)算合同，Anthropic從谷歌云購買計(jì)算資源，谷歌提供AI模型算力。Anthropic在2021年由前OpenAI研究副總裁DarioAmodei建立，核心產(chǎn)品是與ChatGPT類似的聊天機(jī)器人Claude。國內(nèi)大廠對(duì)于ChatGPT的發(fā)展持樂觀態(tài)度，百度將集成文心一言至搜索引擎。騰訊研究院在2023年1月發(fā)布《AIGC趨勢(shì)報(bào)告2023》，對(duì)于ChatGPT的發(fā)展持樂觀態(tài)度，指出AIGC有望作為數(shù)據(jù)與內(nèi)容的強(qiáng)大生產(chǎn)引擎，升級(jí)甚至重塑內(nèi)容工具，申請(qǐng)的“人機(jī)對(duì)話方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)”專利可實(shí)現(xiàn)人機(jī)順暢溝通；京東集團(tuán)副總裁何曉冬表示京東會(huì)不斷結(jié)合ChatGPT的方法和技術(shù)點(diǎn)，融入到產(chǎn)品服務(wù)中推動(dòng)人工智能的產(chǎn)業(yè)落地；據(jù)百度官網(wǎng)，2023年2月7日，百度公布了大模型新項(xiàng)目文心一言（ERNIEBot），據(jù)彭博社，百度計(jì)劃在2023年3月將最初的版本將內(nèi)嵌到搜索服務(wù)中；阿里巴巴達(dá)摩院申請(qǐng)了“人機(jī)對(duì)話及預(yù)訓(xùn)練語言模型訓(xùn)練方法、系統(tǒng)及電子設(shè)備”的專利，積極布局AIGC。#2非交互式文本結(jié)構(gòu)化寫作已經(jīng)在新聞寫作、公司財(cái)報(bào)、客服類聊天問答等場(chǎng)景廣泛應(yīng)用。國外方面，代表性的垂直公司AutomatedInsights成立于2007年，旗下的Wordsmith是一個(gè)自然語言生成平臺(tái)，能夠借助NLP技術(shù)將數(shù)據(jù)轉(zhuǎn)化成描述性的語言，據(jù)公司官網(wǎng)，目前AutomatedInsights已經(jīng)在新聞寫作中具有較廣泛的應(yīng)用，下游的客戶包括雅虎、美聯(lián)社等主流媒體。國內(nèi)方面，小冰公司、騰訊、百度、字節(jié)、瀾舟科技等公司均有布局。瀾舟科技成立于2021年，主要產(chǎn)品是基于“孟子輕量化預(yù)訓(xùn)練模型”打造的一系列SaaS功能引擎，被廣泛應(yīng)用于包括搜索、生成、翻譯、對(duì)話等領(lǐng)域。字節(jié)推出的Xiaomingbot是新聞寫作機(jī)器人，該機(jī)器人在里約奧運(yùn)會(huì)上，共撰寫了457篇關(guān)于羽毛球、乒乓球、網(wǎng)球的消息簡訊和賽事報(bào)道。整體來看，目前結(jié)構(gòu)化寫作已具備較成熟的應(yīng)用，長期來看，NarrativeScience創(chuàng)始人預(yù)測(cè)到2030年90%以上的新聞將有AI寫作完成。非結(jié)構(gòu)化寫作開放度和技術(shù)要求更高，主要運(yùn)用在營銷和劇情寫作領(lǐng)域。據(jù)量子位，非結(jié)構(gòu)化寫作主要運(yùn)用在劇情寫作、營銷文本等領(lǐng)域，開放度和自由度更高，對(duì)于生成技術(shù)亦有更高的要求，而目前長篇文字在內(nèi)部邏輯上仍然有較明顯的問題，暫不適合直接使用，預(yù)計(jì)未來的4-5年或取得一定的突破。國外方面，代表性的公司包括谷歌、Anyword、Pencil、Copy.ai、Jasper等，其中Jasper成立于2021年，基于GPT-3訓(xùn)練模型，通過AI技術(shù)幫助企業(yè)完成社交媒體、廣告營銷、電子郵件等多種內(nèi)容，2022年10月，Jasper宣布獲得1.25億美元的A輪融資，估值達(dá)15億美元；谷歌的AI劇本寫作模型Dramatron則能夠自動(dòng)產(chǎn)生人物、位置、情節(jié)的描述并生成對(duì)話。國內(nèi)代表性公司為中文在線、彩云小夢(mèng)等，在彩云小夢(mèng)App中創(chuàng)作頁面輸入一段文字，便能夠生成三條不同的故事走向，用戶可以點(diǎn)擊選擇繼續(xù)或者讓彩云小夢(mèng)重新續(xù)寫，從而讓故事走向更加符合用戶的設(shè)定。中文在線的AI文字創(chuàng)作功能已在17K小說上線，作者在使用該功能時(shí)，通過針對(duì)不同的描寫場(chǎng)景填寫關(guān)鍵詞和輔助短語，即可生成對(duì)應(yīng)的文字內(nèi)容描寫為作品使用。圖像：預(yù)訓(xùn)練模型迭代升級(jí)，AI圖像生成迎機(jī)遇據(jù)量子位，AIGC圖像包括文字生成圖像、圖像屬性編輯、圖像部分編輯與圖像端到端生成，其中由文字到圖像的跨模態(tài)生成成為重點(diǎn)探索方向。從底層技術(shù)上看，Diffusion逐漸取代GAN成為圖像生成的主流模型，助推了AIGC圖像的發(fā)展。2022年8月，由Midjourney生成的《太空歌劇院》出圈，引發(fā)AI圖像生成的熱潮；2022年8月，StabilityAI推出StableDiffusion模型，成為AI圖像生成的里程碑，為后續(xù)圖像模型的更迭打下基礎(chǔ)。此外，OpenAI、谷歌在圖像模型上亦持續(xù)迭代；百度文心·一格則支持中國風(fēng)AI創(chuàng)作。據(jù)6pen，未來5年全球10-30%的圖像有望由AI生成或輔助生成，AI圖像領(lǐng)域展現(xiàn)出較大的潛力。早期AIGC圖像主要基于GAN模型，但生成效果欠佳。GAN模型主要由生成器（Generator）和判別器（Discriminator）兩部分組成，生成器負(fù)責(zé)模擬出與真實(shí)訓(xùn)練樣本類似的假數(shù)據(jù)，并將假數(shù)據(jù)混入原始數(shù)據(jù)交由判別器區(qū)分，兩個(gè)模型相互博弈，直到生成器的假數(shù)據(jù)能夠以假亂真。早期的AIGC圖像主要基于GAN模型生產(chǎn)，但是GAN存在訓(xùn)練難以收斂、模型坍塌、梯度消失等問題，造成訓(xùn)練結(jié)果冗余、圖像生成質(zhì)量差。Diffusion模型逐漸取代GAN成為主流模型，推動(dòng)圖像生成技術(shù)的發(fā)展。Diffussion受熱力學(xué)模型啟發(fā)，通過增加高斯噪聲破壞訓(xùn)練數(shù)據(jù)，然后通過反轉(zhuǎn)噪聲來恢復(fù)學(xué)習(xí)的數(shù)據(jù)，經(jīng)過訓(xùn)練的模型便能夠應(yīng)用去噪方法來生成干凈的數(shù)據(jù)。Diffussion相對(duì)于GAN具有更靈活的模型框架和精確的對(duì)數(shù)似然，所需數(shù)據(jù)更少，但圖像生成效果較更佳，目前逐漸取代GAN成為新一代圖像生成的主流模型。#1文字生成圖像由Midjourney生成的《太空歌劇院》出圈，引發(fā)社會(huì)廣泛討論。Midjourney是一款搭載在Discord上的聊天機(jī)器人，玩家只需要@機(jī)器人并輸入相關(guān)的提示詞（Prompts）即可在1分鐘以內(nèi)生成4張圖片。憑借著極低的上手門檻和Discord社區(qū)加持，截至2023年2月4日，Discord數(shù)據(jù)顯示Midjourney在Discord約有980萬成員。2022年8月，由Midjourney生成的《太空歌劇院》在美國科羅拉多州藝術(shù)博覽會(huì)上獲得“數(shù)字藝術(shù)”類別的冠軍，使得AI繪畫引發(fā)了廣泛的關(guān)注，圍繞AI能夠替代藝術(shù)創(chuàng)作的討論熱度較高。StableDiffusion模型成為AI圖像領(lǐng)域的里程碑，Stability估值達(dá)10億美元。2022年8月，StabilityAI推出StableDiffusion模型，隨著算法和模型的持續(xù)優(yōu)化，StableDiffusion的運(yùn)行速度快、消費(fèi)資源及內(nèi)容較少，使用消費(fèi)級(jí)顯卡即可迅速生成高質(zhì)量的圖像，且該模型完全免費(fèi)開源，所有的代碼均在GitHub上公開，因此也為后續(xù)整個(gè)圖像模型的更迭打下基礎(chǔ)。據(jù)TechCrunch，截至2022年10月，已有超20萬開發(fā)者下載和獲得StableDiffusion的授權(quán)，各渠道的累計(jì)日活已經(jīng)超過1,000萬；基于StableDiffusion，面向消費(fèi)者的AI智能繪圖軟件DreamStudio用戶數(shù)超150萬，已生成1.7億張圖片。2022年10月，StabiltyAI宣布獲得Coatue、LightspeedVenturePartners和O'ShaughnessyVenturesLLC投資的1.01億美元，估值達(dá)10億美元，躋身獨(dú)角獸行業(yè)。OpenAI持續(xù)迭代DALL·E模型，圖片畫質(zhì)、生成效率均有提升。2021年1月OpenAI發(fā)布模型DALL·E，能夠根據(jù)文本描述生成圖像，2022年4月，OpenAI公布了DALL·E2研發(fā)進(jìn)展。據(jù)量子位，從原理上看，DALL·E2是CLIP與Diffusion模型的結(jié)合，其中CLIP將文本嵌入轉(zhuǎn)變?yōu)閳D像嵌入，而圖像嵌入將通過調(diào)節(jié)擴(kuò)散（DiffusionDecoder）生成最終的圖像。DALL·E2與前一代相比圖像質(zhì)量提升了3倍，DALL·E2生成圖像畫質(zhì)為1024×1024，DALL·E畫質(zhì)為256×256，且生成的速度更快。此外DALL·E2能夠在更細(xì)的顆粒度上實(shí)現(xiàn)文本到圖像的轉(zhuǎn)化，能夠根據(jù)自然語言進(jìn)行P圖，同時(shí)會(huì)反饋陰影、紋理等元素的變化。谷歌的Imagen在寫實(shí)場(chǎng)景表現(xiàn)優(yōu)秀，Muse圖像生成效率更高。2022年5月，Google公布了自研的Imagen模型。據(jù)量子位，從技術(shù)上看，該模型并未采用CLIP+GAN或CLIP+Diffusion的常規(guī)做法，語言模型采用谷歌的T5-XXL，并僅負(fù)責(zé)編碼文本特征，圖像生成由一系列Diffusion模型構(gòu)成；從效果上看，Imagen在寫實(shí)場(chǎng)景中表現(xiàn)更加優(yōu)秀。2023年1月，Google發(fā)布了從文本生成圖像的Transformer模型Muse，與Imagen和DALL·E2等Diffusion模型相比，Muse由于采用離散標(biāo)記且需要更少的采樣迭代，生成效率顯著提升，據(jù)GoogleResearch與Dataconomy，在TPUv4芯片上，Muse生成512x512分辨率的圖像僅需1.3秒，較StableDiffusion1.4的3.7秒更快。百度推出國產(chǎn)基礎(chǔ)模型ERNIE-ViLG2.0，文心·一格支持中國風(fēng)AI創(chuàng)作。伴隨AI繪圖的火熱，國內(nèi)也出現(xiàn)了眾多的AI作圖產(chǎn)品，但這些產(chǎn)品大多基于DALL·E2或StableDiffusion等海外大模型，百度在2022年10月發(fā)布的ERNIE-ViLG2.0是國內(nèi)首個(gè)在基礎(chǔ)模型方向取得突破的產(chǎn)品。據(jù)百度AI官網(wǎng)，從技術(shù)上看，ERNIE-ViLG2.0通過引入視覺知識(shí)和語言知識(shí)，提升模型跨模態(tài)語義理解能力與可控生成能力；在擴(kuò)散降噪過程中，通過混合專家網(wǎng)絡(luò)建模，增強(qiáng)模型建模能力，提升圖像的生成質(zhì)量；此外百度構(gòu)建了近2億的高質(zhì)量中文圖文數(shù)據(jù)對(duì)比，具備強(qiáng)大的中文語義理解能力，助力中國風(fēng)元素構(gòu)建。從應(yīng)用上看，ERNIE-ViLG2.0可以用于工業(yè)設(shè)計(jì)、動(dòng)漫設(shè)計(jì)、游戲制作、攝影藝術(shù)等場(chǎng)景，通過簡單描述，在幾十秒內(nèi)生成設(shè)計(jì)圖，提升效率、降低門檻?；贓RNIE-ViLG2.0，百度也推出了AI藝術(shù)與創(chuàng)意輔助平臺(tái)文心·一格，目前支持國風(fēng)、油畫、水彩、水粉、動(dòng)漫、寫實(shí)等十余種不同風(fēng)格高清畫作的生成。#2圖像屬性編輯據(jù)量子位，AI圖像屬性編輯包括去水印、自動(dòng)調(diào)整光影、設(shè)置濾鏡、修改顏色紋理、復(fù)刻/修改圖像風(fēng)格、提升分辨率等，類似于低門檻的PS（Photoshop）。在該領(lǐng)域布局的初創(chuàng)公司較多，并且谷歌、Adobe等大廠亦有涉及。國外方面，以Prisma為例，作為一款照片編輯器，在全球擁有1.2億用戶以及500款樣式庫，借助Prisma的AI自動(dòng)生成框架，用戶無需投入精力即可將照片轉(zhuǎn)化為藝術(shù)品；谷歌的RawNeRF技術(shù)能夠?qū)⒁雇碚掌翟耄送饽軐?D照片合成3D效果并調(diào)節(jié)焦點(diǎn)；國內(nèi)的代表產(chǎn)品為美圖公司，旗下的美圖AI開放平臺(tái)專注于人臉技術(shù)、人體技術(shù)、圖像識(shí)別、圖像處理、圖像生成等核心領(lǐng)域，為客戶提供經(jīng)市場(chǎng)驗(yàn)證的專業(yè)AI算法服務(wù)和解決方案，目前接入的客戶包括歐萊雅、蘭蔻、寶潔等，助力圖像屬性處理；面向C端的美圖秀秀則通過醫(yī)美級(jí)去皺、面部豐盈、一鍵更換劉海等增值功能收費(fèi)。#3圖像部分編輯據(jù)量子位，圖像部分編輯包括部分更改圖像部分構(gòu)成與修改面部特征。英偉達(dá)的CycleGAN能夠自動(dòng)將一類圖片替換為另一類圖片，如支持將圖內(nèi)的斑馬和馬、蘋果和橘子等內(nèi)容進(jìn)行互換。修改面部特征方面，據(jù)量子位，Metaphysics支持調(diào)節(jié)照片的情緒、年齡和微笑，Metaphysics還是電影《Here》的唯一制定AI視覺特效供應(yīng)商。國內(nèi)方面，萬興科技推出的萬興愛畫App，支持AI修改局部畫面，支持通過文本修改，如輸入珍珠項(xiàng)鏈，可在圖片中添加。#4圖像端到端生成據(jù)量子位，AI圖像端到端生成包括草圖生成完整圖像、有機(jī)組合多張圖像生成新圖像、根據(jù)指定屬性生成目標(biāo)圖像等，按照?qǐng)鼍皠澐?，包括?chuàng)意圖像生成和功能型圖像生成，其中創(chuàng)意圖像多為NFT產(chǎn)品，功能性圖像包括營銷海報(bào)、用戶頭像等。國外方面，谷歌推出的ChimeraPainter可以將粗略草圖生成3D怪物圖像，垂直類公司包括VanceAI、DeepdreamGenerator、Rosebud.ai等，其中VanceAI旗下的VansPortrait，可在5秒內(nèi)將圖片變成繪畫、素描或動(dòng)畫。國內(nèi)的代表產(chǎn)品包括阿里鹿班、詩云科技、藍(lán)色光標(biāo)等，其中阿里鹿班支持海報(bào)、LOGO等設(shè)計(jì)，據(jù)阿里技術(shù)，阿里鹿班平均1秒鐘就能完成8,000張海報(bào)設(shè)計(jì)，一天可以制作4,000萬張，2017年雙11設(shè)計(jì)約4億張banner海報(bào)。藍(lán)色光標(biāo)的銷博特通過結(jié)合人工智能、統(tǒng)計(jì)算法和多維數(shù)據(jù)庫，一鍵自動(dòng)化生成策劃案、消費(fèi)者洞察、營銷創(chuàng)意等內(nèi)容。音頻：集中應(yīng)用于TTS場(chǎng)景和樂曲/歌曲生成AIGC通過提取信息生成音頻，主要應(yīng)用于TTS（Text-to-speech）場(chǎng)景和樂曲/歌曲生成。其中，TTS技術(shù)已相當(dāng)成熟，廣泛應(yīng)用于客服及硬件機(jī)器人、有聲讀物制作、語音播報(bào)等，覆蓋新聞、電子書、虛擬IP、短視頻配音等多個(gè)領(lǐng)域，代表公司有倒映有聲、DeepMind、喜馬拉雅、百度等。通過AIGC可以簡化樂曲/歌曲生成的流程，降低音樂創(chuàng)作的門檻，可應(yīng)用于流行歌曲、樂曲、有聲書的內(nèi)容創(chuàng)作，以及視頻、游戲、影視等領(lǐng)域的配樂創(chuàng)作，大大降低音樂版權(quán)的采購成本，代表公司有AmperMusic、DeepMusic、騰訊、網(wǎng)易等。#1TTS場(chǎng)景：廣泛應(yīng)用于客服硬件機(jī)器人、有聲讀物制作、語音播報(bào)等TTS（Text-to-speech）技術(shù)為文字內(nèi)容有聲化提供規(guī)模化能力，在AIGC領(lǐng)域下技術(shù)已相當(dāng)成熟，廣泛應(yīng)用于客服及硬件機(jī)器人、有聲讀物制作、語音播報(bào)等。TTS技術(shù)是一種文字轉(zhuǎn)語音技術(shù)，可以從文本中獲取足夠的信息用于語音合成。基于深度學(xué)習(xí)的端到端語音合成模式正在逐步替代傳統(tǒng)的拼接及參數(shù)法，可以通過豐富文本信息（如文本的深層情感、深層語義了解等）更好的表現(xiàn)其中的抑揚(yáng)頓挫，以及基于用戶較少的個(gè)性化數(shù)據(jù)得到整體的復(fù)制能力，代表模型包括WaveNet、DeepVoice及Tacotron等。TTS技術(shù)覆蓋新聞、電子書、虛擬IP、短視頻配音等多個(gè)領(lǐng)域。以倒映有聲為例，公司致力于打造AIGC神經(jīng)渲染引擎，率先布局AI數(shù)字分身IP生態(tài)，并通過數(shù)字分身IP的人工智能來自主生成內(nèi)容。其獨(dú)家研發(fā)的無人驅(qū)動(dòng)數(shù)字分身可以實(shí)現(xiàn)內(nèi)容播報(bào)與交互功能輸出，覆蓋新聞資訊播報(bào)、有聲讀物制作、自媒體有聲化、虛擬IP聲音定制、短視頻配音、金融領(lǐng)域數(shù)字人服務(wù)、文旅領(lǐng)域互動(dòng)、游戲娛樂聊天等多種場(chǎng)景，幫助提升內(nèi)容制作產(chǎn)能超200%，節(jié)省90%的制作成本。語音克隆對(duì)于電子書、動(dòng)畫、電影、以及虛擬人行業(yè)等有重要意義。語音克隆是本質(zhì)上屬于指定了目標(biāo)語音（如特定發(fā)言人）的TTS，該技術(shù)目前被應(yīng)用于虛擬歌手演唱、自動(dòng)配音等。喜馬拉雅運(yùn)用TTS技術(shù)在電子書、新聞等領(lǐng)域?qū)崿F(xiàn)了較廣的應(yīng)用，能夠高效地將新聞、書籍和文章中的大量文字信息轉(zhuǎn)為音頻，大幅提升了音頻的生產(chǎn)效率。運(yùn)用TTS技術(shù)喜馬拉雅重現(xiàn)單田芳聲音版本的《毛氏三兄弟》和歷史類作品，“單田芳聲音重現(xiàn)”賬號(hào)已經(jīng)上線6部專輯作品。百度語音合成團(tuán)隊(duì)使用李彥宏約1小時(shí)音頻素材，通過AIGC技術(shù)生成了《智能交通》有聲書。podcast.ai通過喬布斯的傳記和收集網(wǎng)絡(luò)上關(guān)于他的所有錄音，利用Play.ht的語言模型大量訓(xùn)練生成JoeRogan采訪喬布斯的播客內(nèi)容。#2樂曲/歌曲生成：已推出AI音樂創(chuàng)作平臺(tái)和作曲軟件AIGC可以簡化樂曲/歌曲生成的流程，降低音樂創(chuàng)作的門檻。AIGC在詞曲創(chuàng)作中的功能可被逐步拆解為作詞（NLP中的文本創(chuàng)作/續(xù)寫）、作曲、編曲、人聲錄制和整體混音。AIGC能通過強(qiáng)大的數(shù)字處理能力兼顧歌曲從制作到演唱的全流程，實(shí)現(xiàn)化繁為簡，在短時(shí)間內(nèi)完成音樂作品創(chuàng)作。目前，AIGC已經(jīng)支持基于開頭旋律、圖片、文字描述、音樂類型、情緒類型等生成特定樂曲。AI編曲基于主旋律和創(chuàng)作者個(gè)人的偏好，生成不同樂器的對(duì)應(yīng)和弦完成整體編配，多家公司已推出AI音樂創(chuàng)作平臺(tái)和作曲軟件。AI編曲在特定樂曲/情緒風(fēng)格內(nèi)學(xué)習(xí)主旋律和特定要素間的映射關(guān)系，從而基于主旋律生成自身所需和弦。AmperMusic于2019年推出首個(gè)人工智能作曲平臺(tái)AmperScoreTM，可以根據(jù)項(xiàng)目的獨(dú)特性創(chuàng)作出符合風(fēng)格、長度和結(jié)構(gòu)的定制音樂，幫助使用素材音樂庫的視頻編輯者節(jié)省90%選擇音樂和編輯音樂的時(shí)間。DeepMusic開發(fā)了針對(duì)視頻生成配樂的配樂貓、支持非音樂專業(yè)人員創(chuàng)作的口袋音樂、可AI生成歌詞的LYRICA、AI作曲軟件LAZYCOMPOSER，從作詞、作曲、編曲、演唱、混音等方面全方位降低音樂創(chuàng)作及制作門檻。自動(dòng)編曲功能已在國內(nèi)主流音樂平臺(tái)上線，與虛擬偶像演出一同成為重點(diǎn)關(guān)注領(lǐng)域。QQ音樂成為AI音樂公司Ampermusic的API合作伙伴，騰訊AILab開發(fā)AI識(shí)圖作曲技術(shù)并推出AI虛擬偶像“艾靈”，可通過用戶提供的關(guān)鍵詞自動(dòng)生成歌詞并演唱；2022年1月網(wǎng)易推出首個(gè)人工智能音樂創(chuàng)作平臺(tái)網(wǎng)易天音；快手通過自主研究，推出了AI音樂創(chuàng)作模型和AI歌手，并邀請(qǐng)平臺(tái)內(nèi)的音樂人使用AI模型進(jìn)行歌曲創(chuàng)作。視頻：可實(shí)現(xiàn)視頻自動(dòng)編輯、視頻自動(dòng)生成和文字生成視頻等AIGC視頻生成可以降低視頻制作時(shí)間，主要應(yīng)用于視頻自動(dòng)編輯、視頻自動(dòng)生成和文字生成視頻等。其中，視頻自動(dòng)編輯具備視頻屬性編輯和視頻自動(dòng)剪輯兩大功能，視頻屬性編輯能幫助節(jié)省視頻制作時(shí)間，增加視頻玩法，視頻自動(dòng)剪輯在短視頻和直播領(lǐng)域被大量使用。代表公司有RunwayML、不咕剪輯、Adobe、IBM、網(wǎng)達(dá)軟件、閃剪、字節(jié)跳動(dòng)剪映和快手的云剪。視頻完全自動(dòng)生成仍處于技術(shù)嘗試階段，所生成視頻的時(shí)長、清晰度、邏輯程度等仍有較大的提升空間，已在動(dòng)畫制作應(yīng)用落地，代表公司和產(chǎn)品包括百度文心一格、小冰公司和Synthesia。文本生成視頻可以看作文本生成圖像的進(jìn)階版技術(shù)，目前已有成熟產(chǎn)品，代表公司和產(chǎn)品包括Meta、谷歌、百度智能視頻合成平臺(tái)VidPress、Gliacloud、Pencil等。#1視頻自動(dòng)編輯：主要應(yīng)用于視頻屬性編輯和視頻自動(dòng)剪輯AIGC在視頻自動(dòng)編輯領(lǐng)域的應(yīng)用主要為視頻屬性編輯和視頻自動(dòng)剪輯兩類。針對(duì)視頻屬性編輯，AIGC可以實(shí)現(xiàn)視頻畫質(zhì)修復(fù)、刪除畫面中特定主體、自動(dòng)跟蹤主題剪輯、生成視頻特效、自動(dòng)添加特定內(nèi)容、視頻自動(dòng)美顏等；對(duì)于視頻自動(dòng)剪輯，AIGC可以基于視頻中的畫面、聲音等多模態(tài)信息的特征融合進(jìn)行學(xué)習(xí)，按照氛圍、情緒等高級(jí)語義限定，對(duì)滿足條件片段進(jìn)行檢測(cè)并合成。視頻屬性編輯：視頻修復(fù)等功能幫助節(jié)省制作時(shí)間，特效等功能可以增加視頻玩法。RunwayML推出AI視頻創(chuàng)意工具平臺(tái)Runway，主打的AI輔助功能有三個(gè)：綠幕功能，可以把選擇的對(duì)象以綠幕的方式作為視頻主題剪裁出來，通過點(diǎn)選的方式AI自動(dòng)補(bǔ)全貼合主題的輪廓；視頻修復(fù)功能，類似圖片的PS功能，周圍的背景通過AI計(jì)算進(jìn)行填充；運(yùn)動(dòng)功能，視頻效果（如標(biāo)題）可以跟隨主體運(yùn)動(dòng)。不咕剪輯Cooclip可以通過人工智能進(jìn)行視頻摳像分軌，內(nèi)置豐富的貼紙、音頻、經(jīng)典“?！彼夭牡?，可以增加視頻本身的玩法與樂趣。視頻自動(dòng)剪輯：目前主要在技術(shù)嘗試階段。Adobe與斯坦福共同研發(fā)的AI視頻剪輯系統(tǒng)，可以將所有鏡頭包括多個(gè)角度拍攝的畫面按照腳本進(jìn)行組織，準(zhǔn)確的識(shí)別出需要剪輯的內(nèi)容，系統(tǒng)會(huì)利用面部識(shí)別和情緒識(shí)別系統(tǒng)，對(duì)每一幀畫面進(jìn)行分析。IBMWatson自動(dòng)剪輯科幻電影《摩根》的預(yù)告片，制作預(yù)告片的時(shí)間縮減到24小時(shí)，而通常需要10天到一個(gè)月。我國的公司影譜科技推出了相關(guān)產(chǎn)品，能夠基于視頻中的畫面、聲音等多模態(tài)信息的特征融合進(jìn)行學(xué)習(xí)，按照氛圍、情緒等高級(jí)語義限定，對(duì)滿足條件片段進(jìn)行檢測(cè)并合成。AIGC在短視頻和直播領(lǐng)域被大量使用，短視頻自動(dòng)剪輯內(nèi)容更快更高效。網(wǎng)達(dá)視頻實(shí)時(shí)智能云剪系統(tǒng)，可以邊直播、邊錄制、邊剪輯，實(shí)現(xiàn)分鐘級(jí)短視頻智能剪輯發(fā)布，具有集錦自動(dòng)制作、智能封面提取、熱點(diǎn)視頻自動(dòng)制作、全景直播拆條等功能。智能直播切片系統(tǒng)通過AI識(shí)別直播間的精彩片段，實(shí)現(xiàn)直播間內(nèi)容智能剪輯，再通過矩陣化運(yùn)營，帶來增量曝光與二次轉(zhuǎn)化。抖音和抖音的短視頻剪輯軟件剪映與云剪支持AI識(shí)別字幕和文本朗讀，智能封面、智能摳圖和綠幕摳圖等各功能，提升短視頻制作效率。#2視頻自動(dòng)生成：全自動(dòng)生成技術(shù)仍在嘗試，在動(dòng)畫、廣告和特定商務(wù)場(chǎng)景應(yīng)用落地不引用現(xiàn)有素材完全從頭生成視頻仍處于技術(shù)嘗試階段，在圖像生成的基礎(chǔ)上可以實(shí)現(xiàn)簡單的視頻短片制作，所生成視頻的時(shí)長、清晰度、邏輯程度等仍有較大的提升空間。目前的AI技術(shù)不僅可以生成圖片，也能夠生成序列幀，通過AI逐幀完成圖片生成，制作視頻短片。如2022年12月我國新華社與百度文心一格聯(lián)合推出AIGC視頻短片《AI描繪天宮盛宴》，進(jìn)一步提升了AI作畫的可控性、復(fù)雜構(gòu)圖和細(xì)節(jié)刻畫能力，AI作畫不再單純地輸出一幀幀高質(zhì)量圖片，而是基于統(tǒng)一的風(fēng)格，嘗試連續(xù)地講述一個(gè)完整的故事。AIGC在動(dòng)畫制作領(lǐng)域已經(jīng)開始商業(yè)化落地?！度c少年》由小冰公司日本分部（rinna）、WITSTUDIO與合作伙伴共同創(chuàng)作，該片采用rinna開發(fā)的AI輔助背景進(jìn)行制作，極大地簡化了從導(dǎo)演分鏡表到Layout“設(shè)計(jì)圖”的工序環(huán)節(jié)，將手工著色的“設(shè)計(jì)圖”提交至AI生成細(xì)化并優(yōu)化背景，再對(duì)AI生成的背景圖進(jìn)行修正，進(jìn)而通過人工智能技術(shù)繪制完整動(dòng)畫場(chǎng)景。人臉合成等技術(shù)可以在廣告和特定商務(wù)場(chǎng)景得到應(yīng)用。廣告方面，可以選擇服務(wù)于明星，在多語言廣告、碎片化內(nèi)容生成等領(lǐng)域使用，快速提升明星的IP價(jià)值。例如Synthesia為SnoopDogg制作的廣告，通過使用deepfake改變其嘴部動(dòng)作，就能夠?qū)⒃紡V告匹配到另一品牌。除deepfake外，AIGC還可以實(shí)現(xiàn)在視頻中的虛擬內(nèi)容植入生成個(gè)性化廣告，也即利用計(jì)算機(jī)圖形學(xué)和目標(biāo)檢測(cè)在視頻中生成物理世界并不存在的品牌虛擬元素，如logo、產(chǎn)品、吉祥物等。在特定商務(wù)場(chǎng)景，AIGC可以應(yīng)用于培訓(xùn)材料分發(fā)（如WPP的全球培訓(xùn)視頻）、素人直播及短視頻拍攝等。#3文字生成視頻：已有成熟產(chǎn)品，Meta和谷歌競(jìng)爭(zhēng)激烈文本生成視頻可以看作文本生成圖像的進(jìn)階版技術(shù)。一方面，文本生成視頻同樣是以Token為中介，關(guān)聯(lián)文本和圖像生成，逐幀生成所需圖片，最后逐幀生成完整視頻。而另一方面，視頻生成會(huì)面臨不同幀之間連續(xù)性的問題。對(duì)生成圖像間的長序列建模問題要求更高，以確保視頻整體連貫流程。從數(shù)據(jù)基礎(chǔ)來看，視頻所需的標(biāo)注信息量遠(yuǎn)高于圖像。目前已經(jīng)進(jìn)入可商用階段，國外有較為成熟的產(chǎn)品。文字生成視頻需要基于文字（涉及NLP語義理解）搜索合適的配圖、音樂等素材，在已有模板的參考下完成自動(dòng)剪輯。代表公司/產(chǎn)品方面，ToC的包括百度智能視頻合成平臺(tái)VidPress、慧川智能、Gliacloud、Synths.video、lumen5，ToB端代表公司為Pencil。以百度智能視頻合成平臺(tái)VidPress為例，其工作原理與編輯制作視頻的步驟相似，先準(zhǔn)備文本腳本，收集媒體材料后將材料處理成視頻片段，將腳本配音與視頻對(duì)齊，最后編輯檢查。通過AI技術(shù)，VidPress可以實(shí)現(xiàn)文字分析和摘要、視頻內(nèi)容搜索、素材智能化處理、音視頻對(duì)齊，以及智能剪輯等5個(gè)步驟的自動(dòng)化。兩大巨頭M